CN111738863B - 用户数据筛选方法、装置及系统 - Google Patents
用户数据筛选方法、装置及系统 Download PDFInfo
- Publication number
- CN111738863B CN111738863B CN202010572646.2A CN202010572646A CN111738863B CN 111738863 B CN111738863 B CN 111738863B CN 202010572646 A CN202010572646 A CN 202010572646A CN 111738863 B CN111738863 B CN 111738863B
- Authority
- CN
- China
- Prior art keywords
- interested
- user terminal
- user
- product information
- financial product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012216 screening Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003062 neural network model Methods 0.000 claims abstract description 51
- 238000003058 natural language processing Methods 0.000 claims description 20
- 230000008909 emotion recognition Effects 0.000 claims description 17
- 230000008451 emotion Effects 0.000 description 16
- 238000012549 training Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种用户数据筛选方法、装置及系统，其中系统中的银行服务器用于从银行数据库中获取多个用户终端的用户数据，分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率，基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集，发送理财产品信息至所述感兴趣用户终端集中的用户终端。本发明可以基于用户数据对用户终端执行筛选操作，由于过滤了部分不具有获取理财产品信息的需求的用户终端，所以在推荐理财产品信息至用户终端的过程中可以提升推荐理财产品信息的精准度。
Description
技术领域
本申请涉及互联网技术领域，尤其涉及用户数据筛选方法、装置及系统。
背景技术
银行系统具有大量用户，且，银行系统具有理财产品信息。为了更好地服务于用户，可以对用户推荐理财产品信息。目前可以通过人工方式发放理财产品的传单、通过手机银行展示理财产品的界面等方式，来推荐理财产品信息。
但是，银行系统中部分用户具有获取理财产品信息的需求，部分用户不具有获取理财产品信息的需求，由于现有技术中并未区分不同用户需求而是对所有用户一并推荐理财产品信息，所以导致推荐理财产品信息的精准度较低。
发明内容
鉴于此，本申请提供用户数据筛选方法、装置及系统，以筛选出具有推荐理财产品信息需求的用户数据，然后再推荐理财产品信息，从而提升推荐理财产品信息的精准度。
为了实现上述目的，本发明提供了下述技术特征：
一种用户数据筛选系统，包括：
银行数据库，用于存储多个用户终端的用户数据，其中每个用户数据包括多个银行渠道对应的多个属性信息；
银行服务器，用于从银行数据库中获取多个用户终端的用户数据，分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率，基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集，发送理财产品信息至所述感兴趣用户终端集中的用户终端；
用户终端，用于接收并展示理财产品信息。
可选的，还包括：
所述银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还用于调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；
自动外呼设备，用于对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
可选的，还包括：
所述银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还用于调用人工外呼设备对所述感兴趣用户终端集中各个用户终端执行人工外呼操作；基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；
人工外呼设备，用于对所述感兴趣用户终端集中的用户终端进行人工外呼操作。
可选的，所述银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还用于输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型；筛选各个用户终端感兴趣的理财类型的理财产品信息，将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
可选的，还包括：
数据库服务器，用于从多个银行渠道采集多个用户终端的历史记录；其中多个银行渠道包括：人工客服渠道、微信小程序渠道、银行应用渠道和银行数据库渠道；从每个用户终端的历史记录中分别提取多个属性信息，存储多个用户终端的用户数据；
银行服务器，用于存储预先训练好的神经网络模型，存储预先训练好的理财类型预测模型。
一种用户数据筛选方法，包括：
从银行数据库中获取多个用户终端的用户数据；
分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率；
基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
发送理财产品信息至所述感兴趣用户终端集中的用户终端。
可选的，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；
在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；
基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
可选的，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
调用人工外呼设备对所述感兴趣用户终端集中各个用户终端执行人工外呼操作；
基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
可选的，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型；
筛选各个用户终端感兴趣的理财类型的理财产品信息，将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
一种用户数据筛选装置，包括：
获取单元，用于从银行数据库中获取多个用户终端的用户数据；
预测单元，用于分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率；
筛选单元，用于基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
发送单元，用于发送理财产品信息至所述感兴趣用户终端集中的用户终端。
通过以上技术手段，可以实现以下有益效果：
本发明提供用户数据筛选方法、装置及系统，可以从多个银行渠道分别采集多个属性信息形成每个用户终端的用户数据，输入每个用户终端的用户数据至预先训练好的神经网络模型，从而可以获得神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。
然后，基于多个第一概率对多个用户终端执行第一筛选操作，从而获得对理财产品信息感兴趣程度较高的感兴趣用户终端集，并发送理财产品信息至所述感兴趣用户终端集中的用户终端。
本发明可以基于用户数据对用户终端执行筛选操作，由于过滤了部分不具有获取理财产品信息的需求的用户终端，所以在推荐理财产品信息至用户终端的过程中可以提升推荐理财产品信息的精准度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种用户数据筛选系统实施例一的结构示意图；
图2为本申请实施例公开的一种用户数据筛选系统实施例二的结构示意图；
图3为本申请实施例公开的一种用户数据筛选系统实施例三的结构示意图；
图4为本申请实施例公开的一种用户数据筛选方法实施例一的流程图；
图5为本申请实施例公开的一种用户数据筛选方法实施例二的流程图；
图6为本申请实施例公开的一种用户数据筛选方法实施例三的流程图；
图7为本申请实施例公开的一种用户数据筛选装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，本发明提供一种用户数据筛选系统的实施例一，包括：
银行数据库100，用于存储多个用户终端的用户数据，其中每个用户数据包括多个银行渠道对应的多个属性信息；
银行服务器200，用于从银行数据库中获取多个用户终端的用户数据，分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率，基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集，发送理财产品信息至所述感兴趣用户终端集中的用户终端；
用户终端300，用于接收并展示理财产品信息。
可选的，银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型，筛选各个用户终端感兴趣的理财类型的理财产品信息；
则发送理财产品信息至所述感兴趣用户终端集中的用户终端，包括：将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
参见图2，本发明提供一种用户数据筛选系统的实施例二，包括：
银行数据库100，用于存储多个用户终端的用户数据，其中每个用户数据包括多个银行渠道对应的多个属性信息；
银行服务器200，用于从银行数据库中获取多个用户终端的用户数据，分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率，基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
银行服务器200，还用于调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；发送理财产品信息至所述感兴趣用户终端集中的用户终端；
用户终端300，用于接收并展示理财产品信息。
自动外呼设备400，用于对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
可选的，银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型，筛选各个用户终端感兴趣的理财类型的理财产品信息；
则发送理财产品信息至所述感兴趣用户终端集中的用户终端，包括：将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
参见图3，本发明提供一种用户数据筛选系统的实施例三，包括：
银行数据库100，用于存储多个用户终端的用户数据，其中每个用户数据包括多个银行渠道对应的多个属性信息；
银行服务器200，用于从银行数据库中获取多个用户终端的用户数据，分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率，基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
银行服务器200，还用于调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；发送理财产品信息至所述感兴趣用户终端集中的用户终端；
银行服务器200，还用于调用人工外呼设备对所述感兴趣用户终端集中各个用户终端执行人工外呼操作；基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；
用户终端300，用于接收并展示理财产品信息。
自动外呼设备400，用于对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
人工外呼设备500，用于对所述感兴趣用户终端集中的用户终端进行人工外呼操作。
可选的，银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型，筛选各个用户终端感兴趣的理财类型的理财产品信息；
则发送理财产品信息至所述感兴趣用户终端集中的用户终端，包括：将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
通过以上技术手段，可以实现以下有益效果：
本发明提供用户数据筛选方法、装置及系统，可以从多个银行渠道分别采集多个属性信息形成每个用户终端的用户数据，输入每个用户终端的用户数据至预先训练好的神经网络模型，从而可以获得神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。
在图1所示的实施例一中，基于多个第一概率对多个用户终端执行第一筛选操作，从而获得对理财产品信息感兴趣程度较高的感兴趣用户终端集。
在图2所示的实施例二中，在实施例一的感兴趣用户终端集的基础上执行自动外呼操作；在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率，然后基于多个第二概率对所述感兴趣用户终端集执行第二筛选操作，从而获得对理财产品信息感兴趣程度较高的感兴趣用户终端集。
在图3所示的实施例三中，在实施例二的感兴趣用户终端集的基础上人工执行自动外呼操作；基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
本发明可以基于用户数据对用户终端执行筛选操作，可以理解的是，每次筛选操作均可以过滤掉部分不具有获取理财产品信息的需求的用户终端，所以在推荐理财产品信息至用户终端的过程中可以提升推荐理财产品信息的精准度。
本发明提供用户数据筛选方法的实施例一，应用于图1中的银行服务器，银行服务器存储有预先训练好的神经网络模型，存储预先训练好的理财类型预测模型。
参见图4，所述方法包括以下步骤：
步骤S401：从银行数据库中获取多个用户终端的用户数据。
由于银行数据库中的用户数据是不断变化的，所以银行服务器可以周期性执行本实施例中的方法，以便周期性更新感兴趣用户终端集。
银行服务器从银行数据库中获取多个用户终端最近一段时间内的用户数据。
步骤S402：分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。
预先训练好的神经网络模型，为基于若干训练样本训练后得到的，以用户数据为输入，以用户终端对理财产品信息感兴趣程度为输出的机器模型。关于神经网络模型的训练过程已为成熟技术，在此不再赘述。
银行服务器分别输入多个用户数据至预先训练好的神经网络模型，获得神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。可以理解的是，第一概率越大则感兴趣程度越高，反之第一概率越小则感兴趣程度越低。
步骤S403：基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集。
预先设定用于表示用户对理财产品信息感兴趣的阈值，在一个用户终端的第一概率大于阈值，则表示该用户终端对理财产品信息感兴趣，否则表示不感兴趣。
从多个用户终端中过滤掉对理财产品信息不感兴趣的部分用户终端，从而获得对理财产品信息感兴趣的感兴趣用户终端集。
步骤S404：发送理财产品信息至所述感兴趣用户终端集中的用户终端。
本发明提供用户数据筛选方法的实施例二，应用于图2中的银行服务器，银行服务器存储有预先训练好的神经网络模型，存储预先训练好的理财类型预测模型。
参见图5，所述方法包括以下步骤：
步骤S501：从银行数据库中获取多个用户终端的用户数据。
由于银行数据库中的用户数据是不断变化的，所以银行服务器可以周期性执行本实施例中的方法，以便周期性更新感兴趣用户终端集。
银行服务器从银行数据库中获取多个用户终端最近一段时间内的用户数据。
步骤S502：分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。
预先训练好的神经网络模型，为基于若干训练样本训练后得到的，以用户数据为输入，以用户终端对理财产品信息感兴趣程度为输出的机器模型。关于神经网络模型的训练过程已为成熟技术，在此不再赘述。
银行服务器分别输入多个用户数据至预先训练好的神经网络模型，获得神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。可以理解的是，第一概率越大则感兴趣程度越高，反之第一概率越小则感兴趣程度越低。
步骤S503：基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集。
预先设定用于表示用户对理财产品信息感兴趣的阈值，在一个用户终端的第一概率大于阈值，则表示该用户终端对理财产品信息感兴趣，否则表示不感兴趣。
从多个用户终端中过滤掉对理财产品信息不感兴趣的部分用户终端，从而获得对理财产品信息感兴趣的感兴趣用户终端集。
步骤S504：调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
自动外呼设备会根据步骤S503中的感兴趣用户终端集，对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
步骤S505：在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率。
银行服务器会监测自动外呼操作，在自动外呼操作中使用自然语言处理操作和情绪识别操作。自动外呼设备会发出是否对理财产品感兴趣等问题。
通过自然语言处理操作可以获得用户回答中是否肯定意向的词汇，若有的话，则可以在第一概率基础上增加适当数值，获得第二概率。
并且，还可以通过情绪识别操作确定用户情绪为正面情绪的情况下，可以在第一概率基础上适当增加较大数值获得第二概率。若为中性情绪的情况下，可以在第一概率基础上适当增加中等数值获得第二概率。若为负面情绪的情况下，可以在第一概率基础上适当增加较小数值获得第二概率。
通过自然语言处理操作可以获得用户回答中是否否定意向的词汇，若有的话，则可以在第一概率基础上减少适当数值，获得第二概率。
并且，还可以通过情绪识别操作确定用户情绪为正面情绪的情况下，可以在第一概率基础上适当减少较小数值获得第二概率。若为中性情绪的情况下，可以在第一概率基础上适当减小中等数值获得第二概率。若为负面情绪的情况下，可以在第二概率基础上适当减少较大数值获得第二概率。
在第一筛选操作获得感兴趣用户终端集的基础上，可以通过自动外呼操作进一步对用户终端的第一概率进行调整，从而获得更加准确的、能够表征用户对理财产品信息感兴趣的第二概率。
步骤S506：基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
预先设定用于表示用户对理财产品信息感兴趣的阈值，在一个用户终端的第二概率大于阈值，则表示该用户终端对理财产品信息感兴趣，否则表示不感兴趣。可以理解的是，第二概率越大则感兴趣程度越高，反之第二概率越小则感兴趣程度越低。
步骤S507：发送理财产品信息至所述感兴趣用户终端集中的用户终端。
本发明提供用户数据筛选方法的实施例三，应用于图3中的银行服务器，银行服务器存储有预先训练好的神经网络模型，存储预先训练好的理财类型预测模型。
参见图6，所述方法包括以下步骤：
步骤S601：从银行数据库中获取多个用户终端的用户数据。
由于银行数据库中的用户数据是不断变化的，所以银行服务器可以周期性执行本实施例中的方法，以便周期性更新感兴趣用户终端集。
银行服务器从银行数据库中获取多个用户终端最近一段时间内的用户数据。
步骤S602：分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。
预先训练好的神经网络模型，为基于若干训练样本训练后得到的，以用户数据为输入，以用户终端对理财产品信息感兴趣程度为输出的机器模型。关于神经网络模型的训练过程已为成熟技术，在此不再赘述。
银行服务器分别输入多个用户数据至预先训练好的神经网络模型，获得神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。可以理解的是，第一概率越大则感兴趣程度越高，反之第一概率越小则感兴趣程度越低。
步骤S603：基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集。
预先设定用于表示用户对理财产品信息感兴趣的阈值，在一个用户终端的第一概率大于阈值，则表示该用户终端对理财产品信息感兴趣，否则表示不感兴趣。
从多个用户终端中过滤掉对理财产品信息不感兴趣的部分用户终端，从而获得对理财产品信息感兴趣的感兴趣用户终端集。
步骤S604：调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
自动外呼设备会根据步骤S603中的感兴趣用户终端集，对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
步骤S605：在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率。
银行服务器会监测自动外呼操作，在自动外呼操作中使用自然语言处理操作和情绪识别操作。自动外呼设备会发出是否对理财产品感兴趣等问题。
通过自然语言处理操作可以获得用户回答中是否肯定意向的词汇，若有的话，则可以在第一概率基础上增加适当数值，获得第二概率。
并且，还可以通过情绪识别操作确定用户情绪为正面情绪的情况下，可以在第一概率基础上适当增加较大数值获得第二概率。若为中性情绪的情况下，可以在第一概率基础上适当增加中等数值获得第二概率。若为负面情绪的情况下，可以在第一概率基础上适当增加较小数值获得第二概率。
通过自然语言处理操作可以获得用户回答中是否否定意向的词汇，若有的话，则可以在第一概率基础上减少适当数值，获得第二概率。
并且，还可以通过情绪识别操作确定用户情绪为正面情绪的情况下，可以在第一概率基础上适当减少较小数值获得第二概率。若为中性情绪的情况下，可以在第一概率基础上适当减小中等数值获得第二概率。若为负面情绪的情况下，可以在第二概率基础上适当减少较大数值获得第二概率。
在第一筛选操作获得感兴趣用户终端集的基础上，可以通过自动外呼操作进一步对用户终端的第一概率进行调整，从而获得更加准确的、能够表征用户对理财产品信息感兴趣的第二概率。
步骤S606：基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
预先设定用于表示用户对理财产品信息感兴趣的阈值，在一个用户终端的第二概率大于阈值，则表示该用户终端对理财产品信息感兴趣，否则表示不感兴趣。可以理解的是，第二概率越大则感兴趣程度越高，反之第二概率越小则感兴趣程度越低。
步骤S607：调用人工外呼设备对所述感兴趣用户终端集中各个用户终端执行人工外呼操作。
经过前面两次筛选操作后的感兴趣用户终端集，可以确定为意向较大的用户终端，且，数量也大大减少，为此可以安排人工外呼设备借助于人工客户来进一步确定筛选。
步骤S608：基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
人工外呼设备在人工外呼过程中，可以授权给人工客服删除权限。银行服务器可以接收人工客服的删除指令，并删除述感兴趣用户终端集中某用户终端，从而获得经过三次筛选操作后获得的感兴趣用户终端集。
步骤S609：发送理财产品信息至所述感兴趣用户终端集中的用户终端。
通过以上技术手段，可以实现以下有益效果：
本发明提供用户数据筛选方法、装置及系统，可以从多个银行渠道分别采集多个属性信息形成每个用户终端的用户数据，输入每个用户终端的用户数据至预先训练好的神经网络模型，从而可以获得神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率。
在图4所示的实施例一中，基于多个第一概率对多个用户终端执行第一筛选操作，从而获得对理财产品信息感兴趣程度较高的感兴趣用户终端集。
在图5所示的实施例二中，在实施例一的感兴趣用户终端集的基础上执行自动外呼操作；在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率，然后基于多个第二概率对所述感兴趣用户终端集执行第二筛选操作，从而获得对理财产品信息感兴趣程度较高的感兴趣用户终端集。
在图6所示的实施例三中，在实施例二的感兴趣用户终端集的基础上人工执行自动外呼操作；基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
本发明可以基于用户数据对用户终端执行筛选操作，可以理解的是，每次筛选操作均可以过滤掉部分不具有获取理财产品信息的需求的用户终端，所以在推荐理财产品信息至用户终端的过程中可以提升推荐理财产品信息的精准度。
参见图7，本发明提供一种用户数据筛选装置，包括：
获取单元71，用于从银行数据库中获取多个用户终端的用户数据；
预测单元72，用于分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率；
筛选单元73，用于基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
发送单元74，用于发送理财产品信息至所述感兴趣用户终端集中的用户终端。
用户数据筛选装置的具体实现可以参见图4-6所示的用户数据筛选方法的实施例，在此不再赘述。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种用户数据筛选系统，其特征在于，包括：
银行数据库，用于存储多个用户终端的用户数据，其中每个用户数据包括多个银行渠道对应的多个属性信息；
银行服务器，用于从银行数据库中获取多个用户终端的用户数据，分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率，基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集，发送理财产品信息至所述感兴趣用户终端集中的用户终端；
用户终端，用于接收并展示理财产品信息；
其中，还包括：
所述银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还用于调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；其中，通过自然语言处理操作获得用户回答中是否存在肯定意向的词汇，若存在肯定意向的词汇，则在第一概率基础上增加数值，获得第二概率；基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；
自动外呼设备，用于对所述感兴趣用户终端集中的用户终端进行自动外呼操作。
2.如权利要求1所述的系统，其特征在于，还包括：
所述银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还用于调用人工外呼设备对所述感兴趣用户终端集中各个用户终端执行人工外呼操作；基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集；
人工外呼设备，用于对所述感兴趣用户终端集中的用户终端进行人工外呼操作。
3.如权利要求2所述的系统，其特征在于，
所述银行服务器在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还用于输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型；筛选各个用户终端感兴趣的理财类型的理财产品信息，将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
4.如权利要求3所述的系统，其特征在于，还包括：
数据库服务器，用于从多个银行渠道采集多个用户终端的历史记录；其中多个银行渠道包括：人工客服渠道、微信小程序渠道、银行应用渠道和银行数据库渠道；从每个用户终端的历史记录中分别提取多个属性信息，存储多个用户终端的用户数据；
银行服务器，用于存储预先训练好的神经网络模型，存储预先训练好的理财类型预测模型。
5.一种用户数据筛选方法，其特征在于，包括：
从银行数据库中获取多个用户终端的用户数据；
分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率；
基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
发送理财产品信息至所述感兴趣用户终端集中的用户终端；
其中，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；
在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；其中，通过自然语言处理操作获得用户回答中是否存在肯定意向的词汇，若存在肯定意向的词汇，则在第一概率基础上增加数值，获得第二概率；基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
6.如权利要求5所述的方法，其特征在于，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
调用人工外呼设备对所述感兴趣用户终端集中各个用户终端执行人工外呼操作；
基于人工外呼操作对所述感兴趣用户终端集执行第三筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
7.如权利要求6所述的方法，其特征在于，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
输入所述感兴趣用户终端集中的用户数据至预先训练好的理财类型预测模型，获得各个用户终端感兴趣的理财类型；
筛选各个用户终端感兴趣的理财类型的理财产品信息，将各个用户终端感兴趣的理财类型的理财产品信息，对应发送至所述感兴趣用户终端集中的用户终端。
8.一种用户数据筛选装置，其特征在于，包括：
获取单元，用于从银行数据库中获取多个用户终端的用户数据；
预测单元，用于分别输入所述多个用户终端的用户数据至预先训练好的神经网络模型，获得所述神经网络模型输出的用于表示对理财产品信息感兴趣程度的多个第一概率；
筛选单元，用于基于所述多个第一概率对所述多个用户终端执行第一筛选操作，获得对理财产品信息感兴趣的感兴趣用户终端集；
发送单元，用于发送理财产品信息至所述感兴趣用户终端集中的用户终端；
其中，在发送理财产品信息至所述感兴趣用户终端集中的用户终端之前，还包括：
调用自动外呼设备对所述感兴趣用户终端集中的用户终端进行自动外呼操作；
在自动外呼操作中使用自然语言处理操作和情绪识别操作，确定所述感兴趣用户终端集中多个用户终端对理财产品信息感兴趣程度的多个第二概率；其中，通过自然语言处理操作获得用户回答中是否存在肯定意向的词汇，若存在肯定意向的词汇，则在第一概率基础上增加数值，获得第二概率；基于所述多个第二概率对所述感兴趣用户终端集执行第二筛选操作，再次获得对理财产品信息感兴趣的感兴趣用户终端集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010572646.2A CN111738863B (zh) | 2020-06-22 | 2020-06-22 | 用户数据筛选方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010572646.2A CN111738863B (zh) | 2020-06-22 | 2020-06-22 | 用户数据筛选方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111738863A CN111738863A (zh) | 2020-10-02 |
| CN111738863B true CN111738863B (zh) | 2024-02-02 |
Family
ID=72650240
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010572646.2A Active CN111738863B (zh) | 2020-06-22 | 2020-06-22 | 用户数据筛选方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738863B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113660447A (zh) * | 2021-08-19 | 2021-11-16 | 中国银行股份有限公司 | 一种视频外呼方法及装置、存储介质及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108648768A (zh) * | 2018-04-16 | 2018-10-12 | 广州市菲玛尔咨询服务有限公司 | 一种咨询推荐方法及其管理系统 |
| CN108764974A (zh) * | 2018-05-11 | 2018-11-06 | 国网电子商务有限公司 | 一种基于深度学习的商品采购量预测方法及装置 |
| CN110135942A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
| CN110580648A (zh) * | 2018-06-07 | 2019-12-17 | 上海诺亚投资管理有限公司 | 基于人工智能的金融理财信息处理方法及装置 |
-
2020
- 2020-06-22 CN CN202010572646.2A patent/CN111738863B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108648768A (zh) * | 2018-04-16 | 2018-10-12 | 广州市菲玛尔咨询服务有限公司 | 一种咨询推荐方法及其管理系统 |
| CN108764974A (zh) * | 2018-05-11 | 2018-11-06 | 国网电子商务有限公司 | 一种基于深度学习的商品采购量预测方法及装置 |
| CN110580648A (zh) * | 2018-06-07 | 2019-12-17 | 上海诺亚投资管理有限公司 | 基于人工智能的金融理财信息处理方法及装置 |
| CN110135942A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111738863A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111625632A (zh) | 一种问答对推荐方法、装置、设备及存储介质 | |
| CN110837551B (zh) | 一种在线数据采集的方法及系统 | |
| CN107786757B (zh) | 银行卡业务参数调整方法和装置 | |
| CN107918618B (zh) | 数据处理方法及装置 | |
| CN110516057B (zh) | 一种信访问题答复方法及装置 | |
| CN111177337A (zh) | 一种调查问卷的数据处理方法及装置 | |
| CN108833595B (zh) | 用于在线客服服务的计算机可读存储介质 | |
| CN111738863B (zh) | 用户数据筛选方法、装置及系统 | |
| CN111767277A (zh) | 数据处理方法和装置 | |
| CN105550361A (zh) | 日志处理方法及装置和问答信息处理方法及装置 | |
| CN115017289A (zh) | 一种基于知识库的对客服务方法及装置 | |
| CN109447694B (zh) | 一种用户特征分析方法及其系统 | |
| CN111045735B (zh) | 个性化引导页推送方法、装置及系统 | |
| CN112783799B (zh) | 软件守护测试方法及装置 | |
| CN111782684B (zh) | 一种配网电子化移交信息匹配方法及装置 | |
| CN111026991B (zh) | 数据展示方法及装置、计算机设备 | |
| CN110413899B (zh) | 服务器存储新闻的存储资源优化方法及系统 | |
| CN113282783A (zh) | 用于信息推荐的方法及装置、电子设备、可读存储介质 | |
| CN112243156B (zh) | 弹幕显示方法和装置及存储介质 | |
| CN111754335B (zh) | 网点机器人自调节方法、装置及系统 | |
| CN105589625B (zh) | 一种社交媒体消息的处理方法及其装置、通信终端 | |
| CN115905502B (zh) | 一种话术挖掘与推荐方法、装置及存储介质 | |
| CN111696533B (zh) | 网点机器人自调节方法及装置 | |
| CN115422456A (zh) | 基于智能外呼技术与大数据分析的产品推送方法及装置 | |
| CN111428018B (zh) | 智能问答方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |